Bankruptcy Prediction Through Soft Computing Based Deep Learning Technique
Lingua: inglese
Editore: SPRINGER NATURE Dez 2017, 2017
- Brossura
- Nuovo
Da: BuchWeltWeit Ludwig Meier e.K., Bergisch Gladbach, GermaniaBuchWeltWeit Ludwig Meier e.K.
Venditore AbeBooks dal 11 gennaio 2012
Condizione: Nuovo
EUR 53,49
Quantità: 2 disponibili
Aggiungi al carrelloDescrizione dell’articolo da parte del venditore
This item is printed on demand - it takes 3-4 days longer - Neuware -This book proposes complex hierarchical deep architectures (HDA) for predicting bankruptcy, a topical issue for business and corporate institutions that in the past has been tackled using statistical, market-based and machine-intelligence prediction models. The HDA are formed through fuzzy rough tensor deep staking networks (FRTDSN) with structured, hierarchical rough Bayesian (HRB) models. FRTDSN is formalized through TDSN and fuzzy rough sets, and HRB is formed by incorporating probabilistic rough sets in structured hierarchical Bayesian model. Then FRTDSN is integrated with HRB to form the compound FRTDSN-HRB model. HRB enhances the prediction accuracy of FRTDSN-HRB model. The experimental datasets are adopted from Korean construction companies and American and European non-financial companies, and the research presented focuses on the impact of choice of cut-off points, sampling procedures and business cycle on the accuracy of bankruptcy prediction models. The book also highlights the fact that misclassification can result in erroneous predictions leading to prohibitive costs to investors and the economy, and shows that choice of cut-off point and sampling procedures affect rankings of various models. It also suggests that empirical cut-off points estimated from training samples result in the lowest misclassification costs for all the models. The book confirms that FRTDSN-HRB achieves superior performance compared to other statistical and soft-computing models. The experimental results are given in terms of several important statistical parameters revolving different business cycles and sub-cycles for the datasets considered and are of immense benefit to researchers working in this area. 102 pp. Englisch.…
Codice articolo 9789811066825
- Titolo
- Bankruptcy Prediction Through Soft Computing Based Deep Learning Technique
- Autore
- Arindam Chaudhuri
- Editore
- SPRINGER NATURE Dez 2017
- Anno di pubblicazione
- 2017
- Condizione
- Neu
- Rilegatura
- Taschenbuch
- Lingua
- inglese
- ISBN 10
- 9811066825
- ISBN 13
- 9789811066825
- Peso dell'articolo
- 208 grammi
- Dimensioni
- 236x159x10 mm
This book proposes complex hierarchical deep architectures (HDA) for predicting bankruptcy, a topical issue for business and corporate institutions that in the past has been tackled using statistical, market-based and machine-intelligence prediction models. The HDA are formed through fuzzy rough tensor deep staking networks (FRTDSN) with structured, hierarchical rough Bayesian (HRB) models. FRTDSN is formalized through TDSN and fuzzy rough sets, and HRB is formed by incorporating probabilistic rough sets in structured hierarchical Bayesian model. Then FRTDSN is integrated with HRB to form the compound FRTDSN-HRB model. HRB enhances the prediction accuracy of FRTDSN-HRB model. The experimental datasets are adopted from Korean construction companies and American and European non-financial companies, and the research presented focuses on the impact of choice of cut-off points, sampling procedures and business cycle on the accuracy of bankruptcy prediction models.
The book also highlights the fact that misclassification can result in erroneous predictions leading to prohibitive costs to investors and the economy, and shows that choice of cut-off point and sampling procedures affect rankings of various models. It also suggests that empirical cut-off points estimated from training samples result in the lowest misclassification costs for all the models. The book confirms that FRTDSN-HRB achieves superior performance compared to other statistical and soft-computing models. The experimental results are given in terms of several important statistical parameters revolving different business cycles and sub-cycles for the datasets considered and are of immense benefit to researchers working in this area.
"Riassunto" può appartenere a un’altra edizione di questo titolo.
Informazioni sull’autore
Arindam Chaudhuri: Arindam Chaudhuri is currently a Data Scientist at the Samsung R & D Institute Delhi, India. He has worked in industry, research and teaching in the field of machine learning domain for the past 16 years. His current research interests include pattern recognition, machine learning, soft computing, optimization and big data. He received his MTech and PhD in Computer Science from Jadavpur University, Kolkata, India and Netaji Subhas University, Kolkata, India in 2005 and 2011 respectively. He has published 2 research monographs and over 40 articles in international journals and conference proceedings. He has served as a reviewer for several international journals and conferences.
Soumya K Ghosh: Soumya K Ghosh is currently a Professor at the Department of Computer Science Engineering at the Indian Institute of Technology Kharagpur, India. His current research interests include pattern recognition, machine learning, soft computing, cloud applications and sensor networks. He received his MTech and PhD in Computer Science Engineering from the Indian Institute of Technology Kharagpur, India in 1996 and 2002 respectively. He has over 25 years of experience in industry, research and teaching. He has published 2 research monographs and over 100 articles in international journals and conference proceedings. He has served as a reviewer for several international journals and conferences."Descrizione articolo" può appartenere a un’altra edizione di questo titolo.
BuchWeltWeit Ludwig Meier e.K.
Bergisch Gladbach, Germania
Venditore AbeBooks dal 11 gennaio 2012
Tariffe di spedizione da Germania a U.S.A.
| Articolo | Da 5 a 15 giorni lavorativi | Da 5 a 15 giorni lavorativi |
|---|---|---|
| Primo articolo | EUR 23,00 | EUR 23,00 |
Metodi di pagamento
- Assegno
- Bonifico bancario
- PayPal
Informazioni sull’azienda del venditore
BuchWeltWeit Ludwig Meier e.K.
Germania
Condizioni di vendita
BuchWeltWeit Inh. Ludwig Meier e.K.
Inhaber: Ludwig Meier
De-Gasperi-Str. 8
51469 Bergisch Gladbach
Deutschland
Tel.: +49(0)22028659300
Fax: +49(0)22028659301
E-Mail: info@buchweltweit.de
Registergericht: Amtsgericht Köln
Registernummer: HRA 28253
Umsatzsteuer-Identifikationsnummer: DE815259907
Wir sind zur Teilnahme an einem Streitbeilegungsverfahren vor einer Verbraucherschlichtungsstelle weder verpflichtet noch bereit.
Diritto di recesso
Se sei un consumatore puoi recedere dal contratto in conformità con quanto segue. Per Consumatore si intende qualsiasi persona fisica che agisce per scopi estranei alla propria attività commerciale, imprenditoriale, artigianale o professionale.
Informazioni sul diritto di recesso
Diritto legale di recesso
Hai il diritto di recedere dal presente contratto entro 14 giorni senza fornire alcuna motivazione.
Il periodo di recesso scade dopo 14 giorni dal giorno in cui tu o una terza parte, diversa dal vettore e da te indicata, acquisisce il possesso fisico dell'ultimo bene o dell'ultimo lotto o pezzo.
Per esercitare il diritto di recesso, compila e invia elettronicamente una dichiarazione esplicita sul nostro sito Web, alla voce “I miei acquisti” nella sezione “Mio account”. Ti comunicheremo senza indugio una conferma di ricezione di tale recesso su un supporto durevole (ad es. via e-mail).
Per rispettare il termine di recesso, è sufficiente inviare la comunicazione relativa all'esercizio del diritto di recesso prima della scadenza del periodo di recesso stesso.
Effetti del recesso
In caso di recesso dal presente contratto, ti rimborseremo tutti i pagamenti ricevuti, compresi i costi di spedizione (ad eccezione dei costi supplementari derivanti dalla tua eventuale scelta di un tipo di spedizione diverso dal tipo meno costoso di consegna standard da noi offerto).
Potremo effettuare una detrazione dal rimborso per la perdita di valore dei beni forniti, qualora tale perdita sia il risultato di una manipolazione non necessaria da parte tua.
Eseguiremo il rimborso senza indebito ritardo e non oltre 14 giorni dal giorno in cui saremo informati della tua decisione di recedere dal presente contratto.
Il rimborso sarà effettuato utilizzando lo stesso mezzo di pagamento da te usato per la transazione iniziale, salvo che tu non abbia espressamente concordato altrimenti; in ogni caso, non dovrai sostenere alcun costo quale conseguenza di tale rimborso.
Possiamo trattenere il rimborso finché non avremo ricevuto i beni oppure finché non avrai fornito la prova di averli rispediti, a seconda di quale condizione si verifichi per prima.
Dovrai rispedire i beni o consegnarli a BuchWeltWeit Ludwig Meier e.K., Bergisch Gladbach, Germany, senza indebito ritardo e, in ogni caso, entro 14 giorni dal giorno in cui ci hai comunicato la tua volontà di recedere dal presente contratto. Il termine è rispettato se rispedisci i beni prima della scadenza del periodo di 14 giorni. I costi diretti della restituzione dei beni saranno a tuo carico. Sei responsabile solo della diminuzione del valore dei beni risultante da una manipolazione diversa da quella necessaria per stabilire la natura, le caratteristiche e il funzionamento dei beni stessi.
Eccezioni al diritto di recesso
Il diritto di recesso non si applica a:
- La fornitura di giornali, periodici o riviste ad eccezione dei contratti di abbonamento; e
- La fornitura di contenuto digitale non fornito su un supporto materiale (ad es. su un CD o DVD), se al momento dell'invio dell'ordine hai accettato l'inizio dell'esecuzione e hai riconosciuto che non avresti potuto recedere una volta iniziata l'esecuzione.
Condizioni di spedizione
Der Versand ins Ausland findet IMMER mit DHL statt. Auch nach Österreich verschicken wir nur mit DHL! Daher Standardversand == Luftpost!